Agentic Workflows: Automatisierung neu gedacht

Einleitung

Bisher galten Tools wie Make oder n8n als Standard für Automatisierung. Doch immer mehr Profis wechseln zu einem anderen Ansatz: Sie lassen KI-Agenten, insbesondere Coding Agents wie Claude Code, ihre Automatisierungen direkt bauen. Was früher 5 bis 8 Stunden in Make dauerte, läuft mit einem Agentic Workflow in unter 30 Minuten.

In diesem Kurs lernst du den Unterschied zwischen klassischen Workflows und Agentic Workflows, wie du mit Claude Code eigene Automatisierungen baust und warum dieses Thema Domain Knowledge erfordert, das kein Tool der Welt ersetzen kann.

Klassische Workflows vs. Agentic Workflows

Das Problem mit klassischen Workflows

Klassische Automatisierungstools wie Make und n8n haben ihre Berechtigung. Sie sind visüll, leicht zu debuggen und gut zu monitoren. Aber sie haben auch Grenzen:

• Blank Page Problem: Auf einer leeren Leinwand einen komplexen Workflow von Grund auf zu bauen ist frustrierend und zeitaufwendig
• Viele Wege zum Ziel: Es gibt hunderte Nodes, Einstellungen und Konfigurationsmöglichkeiten -- die richtige Kombination zu finden kostet Erfahrung und Zeit
• Credit-Systeme: Make z.B. hat ein Creditsystem, das bei hoher Nutzung teuer wird
• Starres Design: Änderungen erfordern oft ein Umbauen mehrerer Nodes

Was sind Agentic Workflows?

Ein Agentic Workflow ist eine Automatisierung, die von einem KI-Agenten gebaut und ausgeführt wird. Statt Nodes visüll zusammenzuklicken, beschreibst du dem Agenten, was du erreichen willst, und er baut die technische Lösung.

Der entscheidende Unterschied: Der Agent kann selbstständig recherchieren, APIs finden, Code schreiben, testen und debuggen -- alles in einem Durchlauf.

Praxisbeispiel: Trend-Analyse in 24 Minuten

Die Aufgabe

Saschthetasch demonstriert den Vergleich anhand eines konkreten Projekts: Eine Trend-Analyse, die für mehrere Plattformen die aktüllen Top-Creator und deren beliebteste Content-Formate identifiziert.

In Make hatte dieses Projekt mit Browser-Agent-Integration (Airtop), Debugging und Testing rund 5 bis 7 Stunden gedauert. Mit Claude Code als Agentic Workflow: 24 Minuten.

Der Ablauf Schritt für Schritt

Phase 1: Planung mit dem Agenten

Statt direkt Code zu schreiben, startet der Workflow im Planmodus. Claude Code bekommt die Aufgabe beschrieben und stellt gezielte Rückfragen:

• Welche Datenquelle soll gescrapt werden?
• Gibt es eine offizielle API?
• Wie sollen die Ergebnisse gespeichert werden?
• In welchem Format soll das Ergebnis vorliegen?

Phase 2: API-Reverse-Engineering

Da die Zielplattform keine offizielle API hat, findet der Agent eigenständig eine interne API über die Netzwerk-Analyse des Browsers. Er identifiziert die relevanten Endpunkte, testet die Authentifizierung und baut den Zugriff ein.

Hier wird Domain Knowledge entscheidend: Du musst verstehen, wie das Internet funktioniert -- was Netzwerk-Tabs sind, wo Cookies stehen, wie interne APIs aussehen. Ohne dieses Grundwissen würdest du dich mit dem Agenten verrennen.

Phase 3: Implementierung

Claude Code baut eigenständig:

• Die Datenerfassung über die interne API
• Die Integration mit Apify für LinkedIn-Post-Scraping
• Eine Test-Suite, die vor dem Deployment durchläuft
• Ein visülles Dashboard zur Darstellung der Ergebnisse

Phase 4: Deployment als Vercel Function

Der fertige Workflow wird auf Vercel Functions deployed, sodass er automatisch per Cron Job täglich laufen kann. Die Ergebnisse können in eine Datenbank oder ein Google Sheet geschrieben werden.

Das Ergebnis

Nach 24 Minuten steht ein funktionierendes Dashboard mit:

• Top-Creator-Ranking mit Posting-Frequenz
• Aktülle Posts der Top-5-Creator
• Automatische Topic-Erkennung (z.B. "Agents", "Productivity", "LLMs")
• Täglich aktualisierte Daten

Claude Code als n8n-Workflow-Builder

Workflows automatisch erstellen lassen

Saschthetasch zeigt einen weiteren Ansatz: Claude Code nutzen, um n8n-Workflows automatisch zu bauen. Dafür hat er zwei Claude Skills entwickelt:

1. n8n PRD Generator: Erstellt ein Anforderungsprotokoll basierend auf einem Gesprächs-Transkript oder einer Beschreibung
2. n8n Generator: Setzt das Anforderungsprotokoll als funktionierenden n8n-Workflow um

So funktioniert es in der Praxis

Schritt 1: Du installierst die Skills als Claude-Code-Plugins.

Schritt 2: Du rufst den PRD Generator auf und beschreibst dein Projekt -- entweder als Text oder als Transkript eines Kundengesprächs.

Schritt 3: Der Skill stellt gezielte Fragen (Welches Tool für LinkedIn? Welche Datenfelder? Wie soll mit Duplikaten umgegangen werden?) und erstellt einen strukturierten Plan.

Schritt 4: Du rufst den n8n Generator auf und sagst "Bitte setze den Plan um." Claude Code verbindet sich per API mit deiner n8n-Instanz und baut den Workflow Schritt für Schritt.

Schritt 5: Der Agent testet jeden Schritt, erkennt Fehler selbstständig und debuggt sich durch die Probleme.

Wichtige Konfiguration

Damit der Agent auf deine n8n-Instanz zugreifen kann, braucht er:

• Die API-URL deiner n8n-Installation (Cloud oder Self-Hosted)
• Einen API Key
• Ein Credential Template mit den bereits hinterlegten Authentifizierungen

Das Credential Template ist entscheidend: Es listet auf, welche Zugangsdaten für welche Nodes bereits konfiguriert sind. So weiss der Agent, dass er z.B. die vorhandene Google-Sheets-Verbindung nutzen kann, statt eine neue einzurichten.

Ergebnis und Realitätscheck

Der Agent liefert 70 bis 80% eines fertigen Workflows. Bei einfachen Workflows ist es oft 100%. Bei komplexen Workflows musst du die letzten 20% manüll nachbessern.

Das ist der aktülle Stand. Die Qualität verbessert sich mit jedem Modell-Update.

Wann klassisch, wann agentisch?

Klassische Workflows (Make, n8n) sind besser, wenn:

• Du hohe Zuverlässigkeit in der Produktion brauchst
• Gutes Monitoring und Logging essentiell sind
• Nicht-technische Teammitglieder die Workflows verstehen müssen
• Der Workflow sich selten ändert
• Du kein technisches Hintergrundwissen hast

Agentic Workflows sind besser, wenn:

• Du schnell einen MVP oder Prototyp brauchst
• Die Automatisierung komplex ist und viele API-Integrationen erfordert
• Du häufig iterieren und anpassen musst
• Du bereit bist, etwas Domain Knowledge mitzubringen
• Flexibilität wichtiger ist als visülle Darstellung

Die Zukunft: Hybrid

Die meisten Profis werden künftig beide Ansätze kombinieren. Agentic Workflows für schnelles Prototyping und die initiale Erstellung, klassische Tools für Monitoring und Production-Betrieb.

Was fehlt, ist ein gutes UI, um Agentic Workflows zu monitoren. Das ist das fehlende Puzzlestück, das in den nächsten Monaten kommen wird.

Domain Knowledge: Der unterschätzte Faktor

Warum Technik-Verständnis entscheidend bleibt

Der wichtigste Takeaway: Ohne Domain Knowledge kommst du mit KI-Agenten nicht weit. Du musst verstehen:

• Wie APIs funktionieren -- was sind Endpunkte, Header, Tokens?
• Wie das Web aufgebaut ist -- Netzwerk-Tab, Cookies, interne APIs
• Was Deployment bedeutet -- Vercel Functions, Cron Jobs, Umgebungsvariablen
• Wie Datenfluss funktioniert -- JSON, Webhooks, Datenbanken

Der Agent ist das Werkzeug, aber du bist der Dirigent. Ohne dein Wissen weiss der Agent nicht, in welche Richtung er arbeiten soll.

Was du lernen solltest

1. Context Engineering: Wie gibst du dem Agenten den richtigen Kontext?
2. Agent Management: Wie orchestrierst du Agenten, die für dich arbeiten?
3. Nischen-Wissen: In deinem Fachgebiet musst du die Experte bleiben

Fazit

Agentic Workflows sind eine fundamentale Verschiebung in der Art, wie Automatisierung funktioniert:

1. Statt Nodes klicken beschreibst du Ziele -- der Agent baut die Lösung
2. 24 Minuten statt 5-8 Stunden für vergleichbare Ergebnisse
3. Claude Code kann sogar n8n-Workflows automatisch bauen und testen
4. Domain Knowledge bleibt unverzichtbar -- der Agent braucht deine Expertise
5. 70-80% Automatisierung sind bereits heute realistisch
6. Die Zukunft ist hybrid -- agentisch für Erstellung, klassisch für Monitoring
7. Jetzt anfangen lohnt sich -- die Tools werden schnell besser

Im nächsten Kurs zeigen wir, wie du einen KI-Agenten rund um die Uhr autonom laufen lässt und damit echte wirtschaftliche Ergebnisse erzielst.